Putra, M. Eldhi/145410198 (2018) KLASIFIKASI PENERIMAAN BANTUAN RUMAH TIDAK LAYAK HUNI MENGGUNAKAN METODE NAIVE BAYES. Skripsi thesis, STMIK AKAKOM YOGYAKARTA.
|
Text
1_145410198_HALAMAN_DEPAN.pdf - Published Version Download (331kB) | Preview |
|
|
Text
2_145410198_BAB_I.pdf - Published Version Download (114kB) | Preview |
|
|
Text
3_145410198_BAB_II.pdf - Published Version Download (235kB) | Preview |
|
![[img]](http://eprints.akakom.ac.id/style/images/fileicons/text.png) |
Text
4_145410198_BAB_III.pdf - Published Version Restricted to Repository staff only Download (259kB) | Request a copy |
|
|
Text
5_145410198_BAB_IV.pdf - Published Version Restricted to Repository staff only Download (590kB) | Request a copy |
|
|
Text
6_145410198_BAB_V.pdf - Published Version Download (87kB) | Preview |
|
|
Text
7_145410198_DAFTAR_PUSTAKA.pdf - Published Version Download (90kB) | Preview |
|
|
Text
8_145410198_CARA_MENJALANKAN_PROGRAM.pdf - Published Version Download (532kB) | Preview |
|
|
Text
9_145410198_LISTING_PROGRAM.pdf - Published Version Restricted to Repository staff only Download (205kB) | Request a copy |
Abstract
Kemiskinan merupakan salah satu permasalahan umum yang sering dihadapi dalam hal peningkatan kesejahteraan di hampir semua negara. Dengan tersedianya data kemiskinan yang akurat dan berkesinambungan merupakan salah satu usaha penting dalam mengevaluasi kebijakan pemerintah mengenai penanganan kemiskinan dengan memfokuskan perhatian pada hal pendistribusian bantuan. Penelitian terkait klasifikasi tingkat prioritas penerimaan bantuan dari pemerintah ini memerlukan beberapa kriteria pendukung dalam melakukan klasifikasi menggunakan metode Naive Bayes. Data yang digunakan sebagai kriteria yaitu, jenis atap, dinding, lantai, jumah penghasilan dan pendidikan. Data yang digunakan untuk proses pengklasifikasian sebanyak 120 data yang akan dipakai sebagai data training, untuk menghasilkan 3 kategori yaitu, prioritas tinggi, prioritas sedang dan prioritas rendah. Masing-masing data memiliki 5 kriteria yang akan digunakan dalam proses klasifikasi. Hasil yang diperoleh dari menggunakan metode ini adalah sistem mampu mengklasifikasikan data baru berdasarkan data lama. Dari 30 data sebanyak 26 data yang dapat diklasifikasikan sehingga menghasilkan akurasi sebesar 86,6667%. Kata Kunci : Akurasi, Data Mining, Kemiskinan, Klasifikasi, Naive Bayes.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information: | Pembimbing: Dini Fakta Sari, S.T., M.T. |
| Uncontrolled Keywords: | Akurasi, Data Mining, Kemiskinan, Klasifikasi, Naive Bayes. |
| Subjects: | A Karya Umum (General) > Ilmu Komputer (Computer Science) > Kecerdasan Buatan (Artificial Intelegence) A Karya Umum (General) > Ilmu Komputer (Computer Science) > Kecerdasan Buatan (Artificial Intelegence) |
| Divisions: | Jenjang Strata Satu > Teknik Informatika (Informatic Engineering) |
| Depositing User: | Users 3314 not found. |
| Date Deposited: | 27 Agu 2018 07:21 |
| Last Modified: | 27 Agu 2018 07:21 |
| URI: | http://eprints.akakom.ac.id/id/eprint/8095 |
Actions (login required)
 |
View Item |
